Klassen zijn echter niet steeds op een vast moment te onderscheiden en het kan nodig zijn waarnemingen te doen op verschillende momenten in het groeiseizoen (multitemporele classificatie).

Bij het classificeren van beelden kunnen we op het scherm een bepaalde gebiedssoort herkennen (en die als oefening gebruiken), de spectrale signatuur ervan bepalen en de computer alle pixels met dezelfde spectrale signatuur laten vinden. Zo kunnen we uitgestrekte gebieden snel en eenvoudig in kaart brengen met satellietgegevens.

Er zijn echter nog een paar problemen op te lossen. Het is met name lastig om verschillende soorten vegetatie te onderscheiden, omdat ze bijna dezelfde spectrale signatuur hebben. Bovendien verschilt de signatuur van eenzelfde soort vegetatie naargelang het groeiseizoen en factoren als bodemvochtigheid en atmosferische condities.

Het huidige onderzoek richt zich daarom op mogelijkheden om de classificatie van gebieden op grond van satellietgegevens te verfijnen. Zo wordt bijvoorbeeld gekeken naar het optimaliseren van de spreiding van sensoren die registreren in specifieke kanalen in het zichtbare en nabij-infrarode bereik.

Een satelliet met veel smalle kanalen heeft een hoge spectrale resolutie. In de toekomst kunnen satellieten met een hoge spectrale resolutie misschien de veranderingen in vegetatie wegens stress, verontreiniging of droogte registreren. Verwacht wordt dat remote sensing steeds belangrijker wordt om ons milieu in kaart te brengen.